| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 选题背景及研究意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.3 研究目标、内容及方法 | 第11页 |
| 1.4 本文创新之处 | 第11-12页 |
| 1.5 本文组织结构 | 第12-13页 |
| 第二章 基础知识 | 第13-45页 |
| 2.1 聚类分析 | 第13-21页 |
| 2.1.1 传统聚类 | 第14-17页 |
| 2.1.1.1 K均值 | 第14-17页 |
| 2.1.1.2 层次聚类 | 第17页 |
| 2.1.2 其他聚类 | 第17-21页 |
| 2.1.2.1 基于降维的聚类 | 第18-21页 |
| 2.1.2.2 子空间聚类 | 第21页 |
| 2.2 时间序列分析 | 第21-25页 |
| 2.2.1 时间序列的分类 | 第21-23页 |
| 2.2.2 单变量线性时间序列预测模型 | 第23页 |
| 2.2.3 单变量非线性时间序列预测模型 | 第23-25页 |
| 2.3 相空间重构 | 第25-30页 |
| 2.3.1 G-P法 | 第26-27页 |
| 2.3.2 C-C法 | 第27-29页 |
| 2.3.3 多变量时间序列的相空间重构 | 第29-30页 |
| 2.4 遗传算法 | 第30-35页 |
| 2.4.1 遗传算法的介绍 | 第30-31页 |
| 2.4.2 遗传算法的算子 | 第31-33页 |
| 2.4.2.1 选择算子 | 第31页 |
| 2.4.2.2 交叉算子 | 第31-32页 |
| 2.4.2.3 变异算子 | 第32-33页 |
| 2.4.3 遗传算法的流程 | 第33-34页 |
| 2.4.4 遗传算法的参数 | 第34-35页 |
| 2.5 支持向量回归机SVR | 第35-42页 |
| 2.5.1 支持向量回归机原理 | 第35-41页 |
| 2.5.2 支持向量回归机的核函数 | 第41-42页 |
| 2.6 LASSO算法 | 第42-43页 |
| 2.7 交易策略 | 第43-44页 |
| 2.8 本章小结 | 第44-45页 |
| 第三章 高维聚类、CC-GA-SVR与LASSO | 第45-59页 |
| 3.1 数据预处理 | 第46-48页 |
| 3.2 聚类选出投资组合 | 第48-54页 |
| 3.3 基于遗传算法的相空间重构和SVR预测 | 第54-55页 |
| 3.4 LASSO | 第55-57页 |
| 3.5 确定交易策略 | 第57-58页 |
| 3.6 本章小结 | 第58-59页 |
| 第四章 研究结果和分析 | 第59-68页 |
| 4.1 相空间重构的结果 | 第59-61页 |
| 4.2 基于相空间重构的多变量与单变量时间序列预测的对比 | 第61页 |
| 4.3 LASSO与其他两个方法的对比 | 第61-65页 |
| 4.4 短期交易策略的确定 | 第65-67页 |
| 4.5 本章小结 | 第67-68页 |
| 结论 | 第68-69页 |
| 参考文献 | 第69-72页 |
| 攻读博士/硕士学位期间取得的研究成果 | 第72-73页 |
| 致谢 | 第73-74页 |
| 附件 | 第74页 |